Dönüşümlere yardımcı olan ve PPC reklam yatırım getirisini %17 artıran 2,4 kat daha fazla anahtar kelime nasıl keşfedilir?

Günümüzde pazarlama rekabetini kazanmak, iş performansını iyileştirmek için veri analizi uygulamadan mümkün değildir. Yeni teknolojiler, şirketlerin iş akışlarını dönüştürmelerine, kararlar almak için verilerden etkin bir şekilde yararlanmalarına ve pazarlama hedeflerine daha hızlı ulaşmalarına olanak tanır.

Bu durumda, müşterilerin web sitesinde, fiziksel mağazalarda ve/veya bir çağrı merkezi aracılığıyla telefonla satın aldıkları çok kanallı bir mobilya ve ev eşyası perakendecisi için OWOX BI ekibi tarafından sağlanan çözümü açıklıyoruz. Çevrimiçi reklamcılık YG'sini iyileştirme konusunda zorluklar yaşadı.

Şirket, çevrimiçi reklamcılık yatırım getirisini artırmak istediğinden, stratejisi aşağıdaki adımları içeriyordu:

1. Cihazlar arasında her müşterinin çevrimdışı ve çevrimiçi etkinlikleri hakkında eksiksiz veri toplayın.
2. Tüm krediyi son anahtar kelimeye atamak yerine, her bir anahtar kelimenin sağladığı geliri değerlendirin.
3. PPC reklamcılığı için teklif yönetimini ve ayarlamaları otomatikleştirin.

Süreç şunları içeriyordu: tam verilerin toplanması (kullanıcı eylemleri; çevrimiçi, çevrimdışı ve telefonla yapılan siparişler; reklam performansı verileri), özel bir ilişkilendirme modelinin uygulanması ve Alytics'te teklif yönetiminin otomatikleştirilmesi.

Şirketin, teklifleri otomatikleştirmek için her bir anahtar kelimenin ne kadar iyi performans gösterdiğini bilmesi gerekiyordu. Anahtar kelime değerlerini belirlemek için cihazlar arasındaki çevrimiçi oturumlar, telefon görüşmeleri ve fiziksel mağazalardaki satın almalar dahil tüm müşteri temas noktalarının bir araya getirilmesi gerekir. Google Analytics'te böyle bir seçenek yoktur.

Google Analytics'teki ilişkilendirme modelleri, aşağıdaki eksiklikler nedeniyle reklam kanallarını doğru bir şekilde değerlendiremez:

• İptal edilen siparişlerin dikkate alınmaması.
• Çevrimdışı satın alma işlemlerini atlama.
• Satın almaların brüt marjlarını göz ardı etmek.
• Telefon siparişlerini atlamak.
• Birden fazla benzersiz kullanıcı olarak birden fazla cihazda ziyaret eden kullanıcıları yanlış izleme.
• Raporlardaki verileri örnekleme.

Anahtar kelime performansının yanlış değerlendirilmesi, tekliflerin doğru şekilde belirlenmesini zorlaştırır. Sonuç olarak, yüksek bir teklif bütçe israfı olur ve düşük bir teklif daha az müşteri çeker.

Telefonla verilen siparişler ve çevrimdışı siparişlerle ilgili verilerin yanı sıra Google'a ait olmayan ücretli reklam kampanyalarının maliyet verileri Google Analytics'te mevcut değildir. Böylece, veri toplama ve ilişkilendirme modellemesi Google BigQuery'de kurulur.

Bu hizmet aşağıdaki nedenlerle seçilmiştir:

• Herhangi bir miktarda veride 20 saniyeye kadar yüksek hızlı sorgu işleme.
• API'ler, diğer sistemlerle kolay entegrasyon sağlar.
• Dosyalardan veya Google E-Tablolardan kolayca veri yükleme imkanı.
• Sadece kullanım için şarj.
• Veritabanlarını korumaya gerek yok.

Teklifleri yönetmek için kanalların ve anahtar kelimelerin değeri Google BigQuery'de hesaplandı ve ardından sonuçlar RESTful API kullanılarak Alytics'e aktarıldı.

Şimdi her adıma daha yakından bakalım.

Google AdWords maliyet ve performans verileri, yerel entegrasyon ve hesap bağlama sayesinde otomatik olarak Google Analytics'e aktarılır.

OWOX BI Pipeline şunlar için kullanılır:

• Reklam hizmetlerinden Google Analytics'e oturum, maliyet ve gelir performansı verilerinin toplanması. Bu veriler, Google AdWords verileriyle birlikte Maliyet Analizi raporunda görünür.
• Google Analytics'ten Google BigQuery'ye birleştirilmiş oturum, maliyet ve gelir performansı verilerini içe aktarma.
• Kullanıcı davranışı verilerini web sitesinden Google BigQuery'ye neredeyse gerçek zamanlı olarak içe aktarma.

Aşağıdaki veriler, API'ler kullanılarak Google BigQuery'ye gönderilir:

• Ürünlerin brüt marjları ve CRM ve ERP'den sipariş tamamlama oranları.
• CallTouch çağrı takip sisteminden telefon görüşmesi yapan kullanıcıların ClientID'leri. CallTouch tarafından sağlanan çoklu telefon numaraları kullanılır: daha fazla ziyaret ve ortalama oturum süresi ne kadar uzun olursa, CallTouch o kadar fazla telefon numarası sağlar. Sistem, web sitesindeki her oturumda numaralardan birini görüntüler ve numarayı kullanıcının Müşteri Kimliği ile ilişkilendirir. Ardından, arayanların ClientID'leri CallTouch'tan Google BigQuery'ye aktarılır.

Veri toplama akış şeması aşağıda verilmiştir:

Artık fiziksel mağazalardan, çağrı merkezlerinden ve web sitesinden gelen tüm kullanıcı davranışı verileri Google BigQuery'de toplanıyor. Oturum verileri (isabet dizileri, oturum kimlikleri ve kullanıcıların şifrelenmiş kişisel verileri) OWOX BI Pipeline kullanılarak Google BigQuery'ye aktarılır. Oturumlar, aşağıdaki parametrelerle kullanıcılarla ilişkilendirilir:

• ClientID, tarayıcı-cihaz çifti için benzersiz tanımlayıcı.
• Kullanıcı kimliği, kullanıcının e-posta adresine bağlı, her kullanıcının benzersiz tanımlayıcısı.
• Sadakat kartı numarası.

Hoff, SQL sorgularını kullanarak oturumları gruplandırır. Verilerin nasıl birleştirildiğine dair 3 örneğe bakalım.

Anna, akıllı telefonundaki bir tarayıcı uygulamasını kullanarak web sitesinde kanepelere göz atıyor. Bir süre sonra aynı cihazdan web sitesini tekrar ziyaret eder, seçimini yapar, e-posta ile oturum açar ve kanepeyi sepetine ekler. Cihaz ve tarayıcı aynı olduğundan, bu iki oturum ClientID'ye göre gruplandırılmıştır. Anna eve gelir, dizüstü bilgisayarını açar, hesabına giriş yapar ve seçtiği kanepeyi satın alır. Artık telefonundaki ve dizüstü bilgisayarındaki oturumlar UserID ile birleştirilebilir:

Nick, iş bilgisayarında yeni bir mutfak masası ararken web sitesini ziyaret eder. Öğle yemeği molasında, akıllı telefonunu kullanarak web sitesinde bir hesap oluşturur ve sipariş verir.

Nick iki farklı cihaz kullandı ve yalnızca akıllı telefonundan yetki verdi. Bu iki oturum, ClientID veya UserID ile bağlanamaz. Sonuç olarak, Google Analytics bunları iki farklı kullanıcının oturumları olarak sayar.

İşe döndüğünde Nick, karısının her zaman ceviz değil bir venge masası istediğini ve ayrıca bir sadakat kartına sahip olduğunu hatırlıyor. İş bilgisayarından web sitesine girer, oturum açar, siparişini değiştirir ve sadakat kartını kullanarak alışveriş yapar.

Artık Nick'in tüm oturumları, bir bilgisayardaki satın alma işlemi aşağıdakilerle ilişkilendirilerek birleştirilebilir:

• Her iki oturum da aynı bilgisayarda aynı tarayıcıda başlatıldığından, ClientID tarafından bir tablo (Oturum 1) aranıyor.
• Telefonda bir hesap oluşturma (Oturum 2) — Nick her iki oturumda da hesabına giriş yaptığı için Kullanıcı Kimliği ile.

Sonuç olarak, Nick'in ilk ziyaretinden satın alma yolculuğuna ilişkin veriler Google BigQuery'de toplanır.

Nick, iş bilgisayarında web sitesine göz atarak yeni masaya uygun sandalyeler arıyor. Web sitesinde gösterilen telefon numarasını arar ve sipariş verir. Sonra mağazaya gider ve sadakat kartını kullanarak sandalyeleri satın alır.

Nick'in web sitesindeki önceki eylemleri, mağazadaki ve telefondaki eylemlerle birleştirildi:

• Telefon siparişi ve çevrimiçi etkinlikler - Nick daha önce masayı satın aldığı ve CallTouch'ın aynı cihazda aynı tarayıcıda telefon numarasını gösterdiği için ClientID'ye göre.
• Çevrimdışı satın alma ve çevrimiçi etkinlikler — Nick'in sadakat kartı sayısına göre.

Artık Nick'in tüm etkileşimlerini birbirine bağlamak için yeterli veri var. Bunu şu şekilde yapıyorlar:

Sonuç olarak, tüm kullanıcının ClientID'leri, e-posta adresleri, bağlılık kartları ve siparişleri, hangi arama sorgularının gelir getirdiğini ve hangilerinin satın almaya yardımcı olmadan teklifleri tükettiğini görmek için birleştirildi.

İlişkilendirme modelinin mantığı şu şekildedir: Bir müşterinin dönüşüm yolundaki ilk ve son oturumun toplam değeri, aradaki oturumların değerine eşittir. İlk oturum, bir kullanıcının web sitesini ilk kez ziyaret ettiği ve markayı tanıdığı zamandır. Son oturum, kullanıcının satın alma yaptığı zamandır. Verileri farklı cihazlar arasında birleştirmek, oturumlar ve bunların kronolojik sırası arasında bir bağlantı bulmaya yardımcı olur.

Her kanalın değeri 2 aşamada belirlenir:

1. İlk oturumu başlatan kanalın belirlenmesi. Bir kullanıcı daha önce web sitesine gitmişse, edinme kanalı önceki oturumun kanalıyla ilişkilendirilir. Örneğin, bir kullanıcı bir Google görüntülü reklamını tıklayarak web sitesini ziyaret ederse ve web sitesini daha önce Bing'de organik bir arama yoluyla ziyaret ettiyse, model Bing'i kullanıcıyı markayla tanıştıran kanal olarak değerlendirecektir.
2. Oturumlara değer atama. Bir satın alma işleminden elde edilen gelir, aşağıdaki kurallara göre kullanıcı oturumlarına dağıtılır:

• İlk seans satış kredisinin %20'sini alır.
• Son oturum kredinin %30'unu alır.
• Aralarındaki seanslar kalan %50'yi alır. Seanslar, satın alma işleminden önceki saat sayısına göre değerlendirilir. Oturum içinde ne kadar çok sayfa görüntülendiyse ve satın alma işleminden ne kadar az saat geçtiyse, oturum o kadar çok değer kazanır.

Anahtar kelimelerin ve kanalların değeri, günlük olarak otomatik olarak yeniden hesaplanır. Sonuç, Google BigQuery ve Google Cloud Storage'daki bir tabloda depolanır. İlişkilendirme sonuçları, RESTful API kullanılarak Google Cloud Storage'dan Alytics'e aktarılır.

Alytics'in teklif boyutunu belirlemesi için kurallar oluşturuldu. Üründen bahseden arama ifadesinin YG'si ne kadar yüksek olursa, teklif o kadar yüksek olur. Örneğin, tablolar için YG %15'ten azsa, masa satın al anahtar kelimesi için teklif 1 ABD dolarına eşit olacaktır. YG %75'ten büyükse, teklif 4$'a eşit olacaktır. Tüm sayılar deneysel olarak belirlendi.

Çevrimiçi ve çevrimdışı müşteri davranışlarına ilişkin verilerin birleştirilmesi, anahtar kelime değerlerinin belirlenmesi ve teklif ayarlamalarının otomatikleştirilmesi sayesinde şirket artık şu tür soruları yanıtlayabiliyor:

• Çevrimiçi reklamcılığın yatırım getirisi, siparişin yerine getirilmesi göz önüne alındığında nasıl değişir?
• Çevrimiçi reklamcılık, bir çağrı merkezine verilen siparişleri nasıl etkiler?
• En kârlı siparişleri hangi anahtar kelimeler sağlıyor?
• Hangi ürünler en yüksek yatırım getirisini sağlıyor?
• Çevrimdışı satışların ne kadarı çevrimiçi reklamcılıktan etkilendi?

Sonuç olarak, mümkün oldu:

• Teklifleri optimize edin ve PPC reklamcılık YG'sini %17 artırın.
• Anahtar kelimelerin gelir etkisini daha doğru bir şekilde ölçün ve dönüşümlere yardımcı olan 2,4 kat daha fazla anahtar kelime görün. Standart ilişkilendirme modelleri onları görmezden geldi.
• Bazı anahtar ifadelerin çevrimdışı satın almalar üzerinde çevrimiçi satışlardan daha büyük bir etkiye sahip olduğunu keşfedin.